LAPORAN

SISTEM INFORMASI MANAGEMENT

Sistem management pada (PT.ZHULIAN INDONESIA)
Padang - Sumatera Barat

Disusun Oleh:
Topas Mulia Abadi 18101152610568
Muhammad Israr 18101152610552
Fitri Suranti 18101152610590
Magfira Suryani 18101152610272
Rikky Trihatmojo Wibowo 15101152610348
Falensia Alfarabi 18101152610588
Fauzil Fajriyadi 18101152610589
M. Syaifal Syarif 18101152610695
Tegar Pratama Putra 18101152610568

DOSEN PENGAMPU :

ELVIRA SAWITRI, S.Pd., M.Pd.T

FAKULTAS ILMU KOMPUTER

UNIVERSITAS PUTRA INDONESIA “YPTK” PADANG

2019/2020
 KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Allah SWT yang telah

memberikan kita kesempatan dan kesehatan sehingga kami dapat
menyelesaikan Tugas e-Learning Sistem Informasi Management. Tak lupa
pula kita kirimkan salam dan shalawat kepada junjungan kita Nabi
Muhammad SAW yang telah membawa kita dari alam kegelapan menuju
alam yang terang berderang seperti sekarang ini.
Tugas e-Learning Sistem Informasi Management ini disusun sebagai
salah satu penunjang nilai yang diberikan oleh dosen dalam proses
perkuliahan.
Tugas e-Learning Sistem Informasi Management ini mengalami
banyak kendala dalam pembuatannya. Oleh sebab itu, penulis mengucapkan
terima kasih kepada dosen maupun teman-teman sekalian yang telah
membantu dalam pembuatan laporan ini.
Akhir kata “tak ada gading yang tak retak”, penulis menyadari akan
banyaknya kekurangan dalam penyusunan laporan lengkap ini. Dan demi
kesempurnaan penyusunan Tugas “e-Learning Sistem Informasi Management
selanjutnya kami mohon kritik dan saran dari pembaca.
Wassalam.
Abstrak

Data Warehouse merupakan sebuah cara yang digunakan untuk

menampung data dalam jumlah besar, untuk membangun sebuah Data Warehouse
dibutuhkan sebuah tools microsft SQL server 2008 dan microsoft SQL business
intelligence developmen. Dengan menggunakan tools microsft SQL server 2008
dan microsoft SQL business intelligence development dapat dibangun sebuah Data
Warehouse jumlah produk dan jumlah barang dengan mengumpulkan data-data
pelanggan meliputi nama pelanggan, waktu, transaksi, barang dan wilayah yang
dimasukan kedalam sebuah Ms. Excel kemudian hasildari Ms. Excel dimasukan
kedalam databasemicrosft SQL server 2008, setelah data masuk kedalam
databasekemudian data tersebut di load kedalam microsoft SQL businessintelligence
development untuk dianalisis.Hasil analisisData Warehouse yang dibuat dapat
memberikan informasi yang lebih jelas untuk pihak PT.Zhulian mempermudah dalam
menganalisis pertumbuhan jumlah transaksi pelanggan dengan Data mining kami
menggunakan software Rapidminer sehingga PT.Zhulian dapat melihatassociation
rulesetiap produk yang berhubungan.
 I. PENDAHULUAN

1. Latar Belakang

PT. ZHULIAN INDONESIA adalah salah satu Perusahaan Penjualan

Langsung yang terkemuka di Indonesia. Kami mempunyai lebih kurang 30 agensi
resmi di seluruh kota besar di Indonesia dan kira-kira 25.000 Distributor yang
mempunyai visi yang sama dan bekerja bergandengan tangan dengan Perusahaan
menuju kesuksesan. Kantor pusat Internasional, ZHULIAN MARKETING (M)
SDN BDN adalah Perusahaan MLM yang terkemuka di Malaysia. Kedua Perusahaan
ini adalah anak perusahaan dari ZHULIAN CORPORATION BERHARD,
perusahaan yang telah go public, berbasis di Penang, Malaysia.

ZHULIAN didirikan di Penang oleh Bapak Teoh Beng Seng pada tahun 1989
dengan bisnis utama pada awalnya adalah mendistribusikan perhiasan berlapis emas
melalui jaringan Penjualan Berjenjang (MLM). Sejak saat itu, ZHULIAN mulai
berbagi filosofi bagaimana model bisnis uniknya dapat bekerja untuk membawa
kesuksesan dan kekayaan kepada mereka yang percaya kepada produk-produknya,
percaya kepada rencana bisnisnya dan mempunyai keyakinan terhadap Perusahaan.
Saat ini ZHULIAN dikenal sebagai Perusahaan Penjualan Berjenjang yang inovatif
dan terintegrasi dengan baik yang dengan bangga memproduksi dan memasarkan
mereknya sendiri untuk produk yang beraneka ragam dibawah
Group. ZHULIAN melebarkan sayapnya ke Thailand pada tahun 1996; Indonesia
pada tahun 1997 dan Singapura pada tahun 2003. Dengan jaringan yang luas lebih dari
270 agensi dan hampir setengah juta Distributor di Asia
Tenggara, ZHULIAN muncul sebagai salah satu perusahaan terkemuka dalam
industri penjualan langsung regional karena Peluang Bisnis Emasnya yang
mempunyai visi ke depan dan produk-produk yang terpercaya dan inovatif.

PT. ZHULIAN INDONESIA memasarkan berbagai jenis produk yang

diproduksi dan dipasarkan dengan merek ZHULIAN dan merek eksklusif lainnya
yang diciptakan oleh ZHULIAN. Jenis produknya termasuk perhiasan, Perawatan
Rumah, Makanan dan Minuman, Makanan Kesehatan, Perawatan Pribadi, Pembersih
Udara, Saringan Air dan Produk Peningkatan Kualitas Tidur.

KANTOR PUSAT INTERNASIONAL ZHULIAN

Sebuah Tanda Keunggulan…

Bertempat di gedung pertama yang berlokasi di Plot 41, Bayan Lepas, Penang, Kantor
Pusat Internasional divisi bisnis MLM ZHULIAN adalah pusat operasional untuk
operasi sehari-hari ZHULIAN di Malaysia, Thailand, Indonesia dan Myanmar. Untuk
melayani sebagai pusat perhitungan bonus internasional, Kantor Pusat Internasional
telah menempatkan sistem komputerisasi yang canggih yang menghubungkan data-
data penjualan dari kantor regional di Thailand, Indonesia, dan Singapura dan juga
dari agensi ke Kantor Pusat di Penang dimana semua komisi Distributor dihitung.
Proses perhitungan bonus yang otomatis dan efisien, dengan akses kepada semua data,
laporan yang jelas memungkinkan Distributor membangun kepercayaan di dalam
Perusahaan ini.

Memegang komitmennya untuk bertumbuh dan berkembang terus menerus,

Perusahaan telah memulai proyek ekspansinya yang ambisius pada gedung yang ada
sekarang. Gedung baru yang sangat modern akan segera dilengkapi dengan fasilitas-
fasilitas yang ekstensif, menampilkan lobi yang mewah, ruang pertemuan, auditorium
modern yang dapat memuat 2000 orang dilengkapi dengan perlengkapan audio-visual
yang canggih dan kafetaria yang nyaman. Semua dsdepartemen administrasi yang
relevan juga akan bertempat di dalam gedung ini untuk memastikan fasilitas
operasional tersentralisasi dengan efektif dan efisien. Hal ini juga merupakan bagian
dari usaha kerja keras yang terus-menerus untuk membuktikan sebagai pemain MLM
yang signifikan di arena internasional dan mengulangi kesuksesannya di mancanegara
untuk memungkinkan lebih banyak Distributor menikmati keuntungan yang sangat
besar yang dapat ditawarkan.

Mengambil Keuntungan dari Pengetahuan Memproduksi…

ZHULIAN telah menggabungkan ide-ide yang inovatif, teknologi mutakhir, dan

pengetahuan memproduksi dengan model bisnis yang cemerlang – sebuah kombinasi
yang telah membantu dalam pertumbuhan kami dan memuaskan pelanggan kami
selama lebih dari dua dekade. Saat ini, ZHULIAN bukan hanya diakui sebagai
produsen perhiasan yang terkemuka, tetapi juga terjun ke dalam aktivitas produksi
yang lain., termasuk memproduksi makanan kesehatan, minuman, produk teknologi
rumah seperti pembersih air dan pembersih udara dan perlengkapan tidur seperti
matras, bantal dan guling.

Aktivitas produksi Group ini dilakukan di 3 pabrik yang bertempat di Plot 41, Plot 42
dan Plot 3 di Bayan Lepas, Penang. Plot 3 ini memulai operasinya sejak pertengahan
2008 didirikan berdasarkan standar GMP, yang menunjukkan komitmen di dalam
mencapai keunggulan kualitas.
2. RUMUSAN MASALAH.

Adapun rumusan masalah dari laporan ini adalah:

a. Misi dalam mencapai visi.

b. Penerapan Sistem Informasi Manajemen.
c. Kendala Penerapan Sistem Informasi.

3. Tujuan.

Adapun tujuan dalam observasi ini adalah untuk mengetahui penerapan sistem
informasi di PT. Zhulian Indonesia di padang Sumatera Barat.
 II. PEMBAHASAN

2. LANDASAN TEORI

2.1 Teori Umum

2.1.1 Database
(Basis Data)Menurut Connoly dan Begg (2010, h.65), basis data
adalah suatu kumpulan logikal data yang berhubungan dan dekripsi dari data
tersebut yang di rancang untuk kebutuhan informasi suatu organisasi.Menurut
Whitten dan Bentley (2007,h.548), basis data adalah kumpulan file yang saling
terkait. Basis data tidak hanya merupakan kumpulan file. Record pada setiap file
harus memperbolehkan hubungan-hubungan untuk menyimpan file lain.

2.2Teori Khusus

2.2.1Data Warehouse
Menurut W.H. Inmon dan Richard D.H., data warehouse adalah
koleksi data yang mempunyai karakteristik berorientasi subjek, terintegrasi,
time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses
pengambilan keputusan management
dan didesain untuk queryindan reporting.Karakteristik Data Warehouse:
a.subject-oriented
(Berorientasi Subjek)Data warehouse diorganisasikan ke dalam banyak subject
yang utama seperti customer, product, dan sales..(Feri Sulianta dan
Dominikus,2010).
b.Integrated (Terintegrasi)DataWarehousedapat menyimpan data-data yang berasal
dari sumber-sumber yang terpisah ke dalam suatu format yang konsisten dan
saling terintegrasi satu dengan lainnya. (Feri Sulianta dan
Dominikus,2010).
c.Time Variant (Rentang Waktu)
Data disimpan untuk memberikan informasi dari perspektif history (misalnya, 5-
10 tahun terakhir). Setiap struktur kunci dalam data warehouse berisi baik secara
implisit maupuneksplisit elemen waktu.
d.Nonvolatile Data warehouse
secara fisik memisahkan pengumpulan data dari aplikasi data yang
ditemukan dalam operational environment. di dalam pemisahan data warehouse
tidak memerlukan proses transaksi.

2.2.2 Dimensional Modelling

Beberapa konsep pemodelan data Warehouse pada
dimensionality modeling yang dikenal pada umumnya, konsep-konsep tersebut
adalah star schema, snowflake dan fact constellation schema.
2.2.2.1 Star Schema (Skema Bintang)
 Skema bintang adalah sebuah logikal struktur yang mempunyai sebuah
tabel fakta berisi data terbaru di tengah, yang dikelilingi tabel dimensi yang berisi
data referensi.
2.2.2.2 Snowflake
Schema Skema kepingan salju adalah metode normalisasi tabel
dimensi dalam skema bintang ketika anda benar-benar
menormanlkan semua tabel dimensi, struktur yang dihasilkan menyerupai kepingan
salju dengan tabel fakta ditengah.
Schema Fact constellation schema adalah skema multi dimensionalyang berisikan
lebih dari satu tabel fakta yang saling berbagi tabel dimensi.
2.2.3 Data Warehouse Server
Menurut Han Jiawei (2011, h.145) data warehouse server adalah
tingkatan paling bawah pada arsitektural data warehouse. Data warehouse server
merupakan relational database system. Back-end tools dan utilities digunakaan
untuk menghasilkan data ke tingkat bawah dari operasional database atau
sumber eksternal lainnya (misalnya,
pelanggan informasi profil yang disediakan oleh konsultan eksternal).

2.2.4 Online Analytical Processing (OLAP)

Menurut Han Jiawei (2011, h.146)OLAPserver yang mempunyai tugas
yang khusus untuk mengarahkan implementasi multidimensi data dan operasi.
2.2.5 Analysis Services Project
Menurut Ponniah(2011, h.430).SQL Server Analysis Services(SSAS). Komponen
ini bisa dibilang sebagai data analyzer, berhubungan dengan OLAP dan
star schema.Konsep seperti dataminingdan cubemerupakan domaindari SQL
Server Analysis Services(SSAS).

2.2.5.1 DataMining
Menurut Han Jiawei (2011, h.36) Data miningadalah sebuah proses
berulang bertujuan untuk menganalisa databaseyang besar dengan tujuan penggalian
informasi dan pengetahuan yang berkaitan dengan pengambilan
keputusan dan pemecahan masalah.

2.2.6ETL (Extract, Transfrom, Load)

a.ExtractionMenurut Golfarelli dan Rizzi (2009), Extraction adalah pengambilan
data yang relevantatau berkaitan dari sumber data. Extract merupakan proses
yang pertama kali dilakukan dalam pengisian datawarehouse
b.CleansingProses cleansing sangatlah penting dalam sistem datawarehouse
untuk meningkatkan kualitas data, karena normalnya data dari sumber data berkualitas
rendah.
c.Transformation Transformation mengubah format data dari sumber data
operasional menjadi format datawarehouse yang lebih spesifik

2.2. Algoritma FP-Tree dan FP-Growth FP-tree

dibangun dengan memetakan setiap data transaksi ke dalam setiap lintasan
tertentu dalam FP-tree. Karena dalam setiap transaksi yang dipetakan,
mungkin ada transaksi yang memiliki item yang sama, maka
lintasannyamemungkinkan untuk saling menimpa.
FP-Growth algoritmayangdapat digunakan untuk menentukan himpunan data yang
paling sering muncul (frequent itemset) dalam sebuah kumpulan data.

Adapun tahap mencari kombinasi item yang memenuhi syarat minimum

supportdari nilai supportdalam database. Nilai support sebuah item diperoleh
dengan rumus berikut := 2/4=0.5 Daftar perhitungan nilai confidence dari setiap
rules dari frequent item set hasil pengujian berurut dari nilai confidence
tertinggi :
2.2.8 Microsoft SQL Business Intelligence Development Studio (BIDS)
Business intelligenceadalah istilahsebuah payung yang menggabungkan
arsitektur, tools, database, analytical tools, aplikasi dan metodologi. Tujuan
utamaBusinessintelligence adalah dapat mengakses data secara interaktif (kadang –
kadang dalam real time), untuk dapatmemanipulasi data dan memberikan manager
binis dan analisis kemampuan untuk mengadakan analisa yang sesuai.

2.2.9 Rapidminer
Menurut Feri Sulianta, Dominikus Juju (2010), RapidMiner (YALE)
adalah
Perangkat lunak open source untuk knowledge discovery dan data mining.
RapidMiner memiliki kurang lebih 400 prosedur ( operator) data mining,
termasuk operator untuk masukan, output, data preprocessing.

2.2.10 Nine-step Methodology Nine-step Methodology (Connolly danBegg, 2005,

h.1187). Kesembilan tahap itu yaitu:
1.Pemilihan Proses
2.Pemilihan Grain
3.Identifikasi dan penyesuaian
4.Pemilihan Fakta
5.Penyimpanan pre-calculationdi tabel
6.Memastikan tabel dimensi
7.Pemilihan durasi database
8.Melacak perubahan dari dimensi secara perlahan
9.Penentuan prioritas dan model query

2.2.11 CRISP-DM(Cross Industry Standard Process for Data Mining)

Dalam penerapan Data Mining digunakan metodologiCRISP-DM (Cross Industry
Standard Process for Data Mining)(Olson & Delen, 2008).
1.Business understanding
2.Data understanding
3.Data preparation
4.Modeling
5.Evaluation
6.Deployment
 III. PERANCANGAN DATA WAREHOUSEDAN DATA MINING

3.1 Cabang Padang PT. Zhulian Indonesia adalah salah satu perusahaan penjualan
langsung yang terkemuka di indonesia .dengan mempunyai lebih kurang agensi
resmi diseluruh kota besar di Indonesia, termasuk di kota Palembang yang
beralamat di J.Angkatan 45 Blok H,No.32

3.2 Perancangan Data WarehousePada Proses pembuatan data warehouse pada PT.
Zhulian Padang, Metode yang digunakan menggunakan metodologi sembilan
tahapan (nine-step methodology) atau biasa disebut dengan metode Ralph
Kimbal.

3.3 Data Warehouse ServerMerupakan tingkatan paling bawah pada arsitektural data
warehouse.Pada tingkatan ini dilakukan proses pembentukan data warehouse Zhulian,
dimulai dari proses pengumpulan data, cleaning data, ekstraksi data, transformasi dan
loading data ke tabel dimensi dan fakta pada data warehouse Zhulian. Berikut
langkah–langkah proses ETL(Extract, Transform, Loading) yang dilakukan.

3.3.1 Extracting DataSumber data yang digunakan dalam perancangan data

warehouse pada PT. Zhulian Padang ialah data penjualan barang atau barang
selama lima tahun dalam bentuk file MS. Excel.Tabel 1:
PenjualanPT.Zhuliandalam Bentuk Ms. ExcelKemudian data yang telah dikonversi
akan dimasukkan ke dalam sebuah tabel yang bernama TBjual. Berikut gambar dari
proses Extracting Data. Setelah proses ekstraksi selesai dijalankan data akan
dibersihkan, untuk menjaga kekonsistenan data.

3.3.2 TransformationSetelah data-data berhasil dimasukkan ke dalam tabel

TBjual pada DB_Zhulian, tabel TBjual akan ditransformasi menjadi beberapa
tabel yaitu : tabel TBwaktu, TBtransaksi, TBbarang, dan TBwilayah.

3.3.3 LoadingTabel Dimensi dan Tabel FaktaProses ini merupakan tahapan

pembuatan tabel-tabel dimensi pada database DW_Zhulian yang bertujuan untuk
mengisi tiap tabel-tabel dimensi, setiap isi tabel dimensi berasal dari
tabel database DB_Zhulian yang sudah terpisah. Berikut gambar proses
loading tabel dimensi dan tabel fakta.
 IV.ANALISIS DATA WAREHOUSE DAN HASILDATA MINING

4.1 Presentasi Data Warehouse Adapun hasil informasi yang didapatkan pada data
warehouse PT.Zhulian yang berisikan data-data transaksi pembayaran dan data
member selama 5 tahun terakhir dari tahun 2008-2012 unutk setiap atribut pada
dimensi waktu, antara lain:a.Jumlah Barang dan jumlah transaksi terhadap nama
pelanggan, jenis kelamin, dan umur pelanggan.b.Jumlah Barang dan jumlah transaksi
terhadap kategori dan jenis barang.c.Jumlah Barang dan jumlah transaksi
terhadap kota, kecamatan, dan kelurahan.d.Jumlah Barang dan jumlah
transaksi terhadap nama barang.Informasi yang akan di analisis ini disajikan
dalam bentuk cube Dengan menggunakan model dimensi snowflake, model
jenis ini memuat tabel dimensi yang memiliki hubungan dengan tabel yang
lain.a.Analisis Data Warehuse Zhulian Berdasarkan Kategori dan Jenis
BarangJumlah barang dan jumlah transaksi berdasarkan kategori dan jenis
barang perbulan.

4.2 Penerapan Data Mining

Pada Prosespenerapan data mining pada PT.Zhulian, metodeyang digunakan

adalah metodologi CRISP-DM (Cross Industry Standard Process for Data Mining).

4.2.1 Business Understanding(Pemahaman Bisnis)

Tahap pertama dari penerapan data mining ini ialah menenentukan tujuan
bisnis dan tujuan Data Mining serta rencana proyek lebih lanjut. Adapun tujuan
bisnis yang ingin dicapai dari penerapan data mining pada PT. Zhulian Padang
ialah peningkatan keuntungan dan kinerja pada perusahaan.

4.2.2 Data Understanding (Pemahaman Data)

Adapun data yang digunakan untuk dapat memenuhi tujuan bisnis dan tujuan
data mining yang telah ditetapkan adalah tabel transaksi pada DW_Zhulian
dalam bentuk file MS. excel. Tabel transaksi penjualan yang ada pada database
DW_Zhulian akan diubah sesuai kebutuuhan. Untuk membentuk association
rules, Algoritma FP-growth pada RapidMiner membutuhkan tabel yang memuat
kolom transaksi yang berupa label pada baris kiri tabeldan kolom-kolom nama
barang ataupun kode barang dan isi dari tabel tersebut bernilai 1 untuk dibelinya
barang pada transaksi tersebut dan bernilai 0 jika tidak. Tabel 2:Data Transaksi
dalam Format CSV File
4.2.3 Data Preparation (Persiapan Data)

Setelah sumber data telah tersedia untuk diidentifikasi, pada tahap ini
akan dilakukan persiapan. Pembetukan tabel yang dibutuhkan dalam
proses mining menggunakan FP-Growthpada Aplikasi Software Rapidminer.

4.2.4 Modeling

Langkah keempat dari proses data miningadalah membangun sebuah model

data mining.Adapun langkah-langkah pembentukan model mining menggunakan
algoritma FP-Growthpada Software Rapidminer antara lain :

1.Memilih.file format csv yang akan dimining

2.algoritma yangdigunakanalgoritmaFP-Growth.
3.Mengatur minimal support, confidencedan rulesyang dihasilkan

4.2.5 Evaluation Evaluasi

model mining akan dilakukan dengan menggunakan dataset pengujian
yang berisikan 5 transaksi yang akan dilakukan perhitungan manual
menggunakan algoritma FP-treedan FP-growth.
Langkah kedua dataset akan dijalankan melalui model mining yang
dibuat
Hal -9pada RapidMiner, sehingga dapat dibandingkan hasil dari. Rules yang
Dihasilkan pada 2.6DeploymentPembuatan dari model bukanlah akhir dari projek
Data Mining. Meskipun tujuan dari pemodelan adalah untuk meningkatkan
pengetahuan dari data, pengetahuan data tersebut perlu dibangun dengan
terorganisasi dan dibuat pada satu bentuk yang dapat digunakan olehpengguna.

4.3 Hasil Analisis Data Mining

Adapun tujuan dari data mining pada PT Zhulian ini antara lain:
1.Menentukan barang–barang yang berpasangan yang dilihat dari
frekuensi kemunculan barang-barang tersebut dari transaksi penjualan,
2.Melihat nilai kemungkinan pembelian dari satu barang ke barang yang lainnya
dari barang-barang yang berpasangan,
3.Menentukan association rules atau aturan hubungan setiap barang
4.Melihat hubungan barang dalam bentuk graph sesuai dengan assosiation rules
yang dihasilkan.
Dari total record data sebanyak 18.238 dan 8.385 transaksi
pembelian setiap pelanggan pada PT. Zhulian Padang selama tiga tahun
akan disiapkan dataset dalam bentuk csv file yang berisikan 4.572 transaksi
yang berisikan minimal pembelian 2 barang. Berikut pengaturan untuk mining
yang telah ditentukan oleh PT. Zhulian Padang 1.Minimum support = 0.001
Frekuensi kemunculan bernilai sekitar 1/1000 * 4.572 atau 5 transaksi yang
artinya barang yang dibeli kurang dari 5 kali tidak akan diproses.Barang yang
diproduksi oleh PT. Zhulian kebanyakan adalah barang dengan kategori
perhiasan sehingga nilai support 0.001 atau 5 kali dibelinya suatu pasangan
barang selama 3 tahun merupakan angka yang sedang. 2.Minimum Probability
= 0.3Nilai minimal probability atau confidence dari rules yang
dihasilkan sebesar 0.3. Association Rules Hasil Mining Model ZhulianAssociation
rules yang bernilai confidence 1 artinya barang –barang pada rules tersebut selalu
dibeli berpasangan, dan dari nilai support yang ada dapat dilihat ada sekitar 0.0011
dari 4.572 transaksi atau sekitar 5 transaksi yang membeli barang –barang tersebut.
Seperti pada hasil rule nomor 2;
Hal -10Gambar 16:Tampilan Graph dari Association Rules yang DihasilkanPT.
Zhulian Palembang dapat melihat bahwa nilai pembelian untuk perhiasan
„Liontin dan rantai DP 5349‟ ditentukan dari pembelian perhiasan „Liontin DP
5325‟, ‟Giwang DE 5244‟, „Cincin Wanita DR 5050 ukuran 15‟ dengan nilai
support dan probability yang berbeda. Banyak lagi informasi yang dapat
dianalisis oleh PT. Zhulian Padang dari association rules yang dihasilkan
baik untuk penempatan barang yang lebih efektif, penyedian atau suplai
barang ataupun prediksi kemungkinan pembeliaan suatu barang
 V. PENUTUP

5.1 Kesimpulan.
1. Dari perancangan data warehouse penjualan barang pada PT.
Zhulian, pihak PT. Zhulian dapat melihat total transaksi, jumlah barang terjual
ataupun keuntungan penjualan dari berbagai dimensi.
2.Penerapan Data Mining menggunakan algoritma FP-Tree dan FP-
Growth dari Data Warehouse pada PT.Zhulian Padang dirancang menggunakan
metodologi CRISP-DM, dan dijalankan pada software Rapidminer dengan
menggunakan input data berupa file csv yang dibentuk dari cube data
warehouse PT. Zhulian Padang. Adapun analisis yang dapat dilakukan oleh
Pihak PT Zhulian dari hasil data mining yang diterapkan.

5.2 Saran.

software data mining yang lain selain Rapidminer misalnya Ms. Visual
Studio. Wek ataupun software lainnya dengan algoritma yang sama ataupun
berbeda sehingga pihak PT.Zhulian dapat membandingkan association rules yang
dihasilkan.dapat membandingkan association rules yang dihasilkan